生物識別系統概論 黃俊能 2008/03/13.

Presentation on theme: "生物識別系統概論 黃俊能 2008/03/13."— Presentation transcript:

1 生物識別系統概論 黃俊能 2008/03/13

2 生物識別系統-前言 911 事件之影響 全球因受911恐怖攻擊事件影響，航空及運輸安全相關的話題不僅沸沸揚揚，更帶動安全市場的一片榮景，生物特徵辨識系統便一直是焦點話題。 911事件後，美國制定「2002年美國強化邊境安全及簽證改革法」，要求目前不需簽證即可入境之國家，必須將該國國民護照改成含有生物辨識功能且機器可讀取的護照，否則將須申請簽證。

3 生物識別系統-前言 國際組織之推動 國際民航組織（ICAO）倡議，新核發護照應具備「臉部影像」與「指紋」兩種生物辨識資料之標準相同。
世界民用航空組織建議188個成員國將生物特徵（臉相、指紋、虹膜）放入護照，迄今為止，美國、歐盟、日本、澳大利亞、韓國、台灣等國家已經在2004年底以前開始初步應用。

4 生物識別系統-前言 國際組織之推動 另依據歐盟1995年「個人資料保護指令」（95/46/EC）第29條成立之「歐盟資料保護工作小組」於2003年8月1日公布了「生物辨識工作文件」，其中對於生物辨識特徵資料之應用所應注意的重點亦多所著墨。

5 生物識別系統-前言 國內政府之推動 我國前因換發身分證強制錄存指紋事件引起各界對於生物辨識議題的熱烈探討。
經司法院作成釋字第 603 號解釋；今（2006）年初，中央研究院生物醫學研究所之研究團隊嘗試建立「台灣生物基因資料庫」，亦引發引發人權團體的爭議。

6 生物識別系統-前言 國內政府之推動 外交部著手研擬我國護照發展計畫草案中，規劃推動我國護照以臉部影像作為辨識特徵。
我國面臨國際運用生物特徵技術辨識身分的國際潮流的同時，對於各國之實務運作及相關爭論應有廣泛的認識與瞭解。

7 生物識別系統-市場 根據International Biometrics Group所發表的報告顯示，全球生物辨識科技的營收成長顯著，其中大多來自於美國市場。 生物特徵識別是目前熱門研究主題及應用熱門市場。 估計在2007年前，生物辨識科技的市場將可達到40億美元。[1]

8 生物識別系統-市場 全球生物辨識科技的市場規模[1]

9 生物識別系統-市場 全球生物辨識科技市場應用領域比率[1]

10 傳統安全科技vs.生物識別系統 傳統上，當要存取機密文件、個人資料或進出管制場所時，我們透過鑰匙、密碼、門禁卡來作身份的驗証，但鑰匙與門禁卡有可能會遺失或遭複製，密碼有可能會忘記或被其它人得知。 目前盛行的PIN(Personal Identification Number)辨識來說，光是銀行業每年在自動提款機因為錯誤接受(false acceptance)的損失就高達300 億元。 因此，利用人類生理的（physiological）或行為上的（behavioral）獨一無二的特徵來辨識使用者的身分，成為安全科技之重要趨勢。

11 生物識別系統之獨特性 1.Universality:每個人均有擁有這些生物特徵;
2.Distinctiveness:任意兩人的生物特徵都會呈現相當程度的差異性; 3.Permanence:每個人的生物特徵在足夠長的時間中不會發生變化。 4.Collectability:可以定量方式去測量這些生物特徵。

12 生物識別系統(Biometric Systems)
目前被使用的生理特徵包括： 人臉(face) 指紋(fingerprint) 虹膜(iris) 視網膜(retina) 手的幾何(hand geometry) 掌紋(palm print) 聲紋(voice pattern) 血管(vein) 體味(body odor) DNA 耳形(ear shape)…等 而被使用的行為特徵包括： 簽名(signature) 打字(keystroke)…

13 多重辨識 Multi-modal Technology

14 生物識別系統(Biometric Systems)
生物辨識目前的主流為指紋、聲紋、虹膜、臉部(生物特徵)、簽名辨識(行為特徵)。 其中，生物特徵在安全性與唯一性上又優於行為特徵，而準確度最高的則為虹膜辨識。 這是由於虹膜的特徵點達244 個，相較於臉部的80 個特徵點，以及指紋的20~40 個特徵點，都高出甚遠。

15 生物識別系統(Biometric Systems) 手部特徵
運用手部特徵之部份 指紋（Fingerprint） 手的幾何（ Hand geometry ） 掌紋（ Palm print） 與掌背血管（ Vein of Palm-dorsum）

16 生物識別系統(Biometric Systems) 手部特徵
人的手，目前所用的特徵有手掌正面(palmar)的指紋、掌紋、手背(dorsum)的血管。 而人的整根手指上的紋路與手掌上的紋路亦有近似的三項特徵結構，即主線、皺褶、脊。 生物特徵辨識-手指紋路辨識 劉家村 中央大學資訊工程研究所碩士論文

17 生物識別系統(Biometric Systems) 手部特徵(手的機何)
手的幾何(Hand Geometry)即手的幾何結構，早從1970 年代即被使用來作辨識系統。 其影像擷取單元(Image acquisition unit)由光源、相機、鏡子與平面板所組成。 手需要平放平面板上且擺放的位置受到平面板上的固定柱限制，鏡子用來將側面的影像反射至相機， 經由多次的影像擷取後， 計算其平均值作為模板(template)。 所使用的特徵，例如:指長、指寬、指厚、掌厚、掌寬、掌長、手掌面積、整個手掌長度、手掌比例、手指比例。 生物特徵辨識-手指紋路辨識 劉家村 中央大學資訊工程研究所碩士論文

18 生物識別系統(Biometric Systems) 手部特徵(手的機何)
共有16 個特徵，4 個指長、8 個指 寬、1 個掌寬、1 個掌長、1 個手面積、1 個整個手掌長度 延著16 個軸計算出特徵 取自A. K. Jain et al[1] 取自A. Kumar et al.

19 生物識別系統(Biometric Systems) 手部特徵(手的機何)
選定的點之間，有15 條線的長度，與所有的線及垂直線之間，有14 個角度，共29 個特徵 四根手指，每根手指45 個 指寬，共180 個特徵 取自H.M.El-Bolok et al. 取自H.M.El-Bolok et al.

20 生物識別系統(Biometric Systems) 手部特徵-手的幾何當作特徵的優點[1]
1.不需特殊的取像裝置(imaging device) 。 2.不易偽裝。 3.板模所需儲存空間少。 4.不受光線及雜訊的影響。 5.與膚色無關，即使手有髒污。 6.較不讓人有侵犯隱私的感覺。

21 生物識別系統(Biometric Systems) 手部特徵-手的幾何當作特徵的缺點[2]
1.手必需擺放在固定位置，故需要練習。 2.特徵較不具唯一性(Uniqueness)，適合應用在低安全性的場合。

22 生物識別系統(Biometric Systems) 手部特徵(手掌)
手掌是介於手腕與手指之間的部份。掌紋的特徵由主線（Principal lines）、皺褶（Wrinkes）、三角洲點(Delta point)與脊（ridges）所組成。 取自Jane You et al.

23 生物識別系統(Biometric Systems) 手部特徵(手掌)
掌紋作特徵的識別系統可依據所採用的特徵萃取方法。從原始影像空間(Original image space)或轉換影像空間(Transformed image space) 萃取出特徵。

24 生物識別系統(Biometric Systems) 手部特徵- 掌紋當作特徵的優點如下 [４]
1.特徵具唯一性及不變性，適合應用在高安全性的場合。 2.所需要的影像解析度低及掃描裝置花費低。 3.不易被偽造。 4.容易自我定位(self-positioning)。

25 生物識別系統(Biometric Systems) 手部特徵- 掌紋當作特徵的缺點如下[4]
1.所需的掃描裝置體積較大。 2.以掃描器掃描時，手掌需張開平放，以免掌心出現姿勢性皺褶。

26 生物識別系統(Biometric Systems) 手指紋路
人類整根手指上的紋路與手掌上的紋路亦有近似的三項特徵結構，即主線、皺褶、脊。 利用手指紋路作為特徵的研究較少。

27 生物識別系統(Biometric Systems) 手部特徵-手指紋路當作特徵的優、缺點[４]
優點為: 1.所包括的紋路特徵相當顯著。 2.所需要的影像解析度低及掃描裝置花費低。 3.影像取得時，不易產生姿勢性皺褶。 缺點為: 1.手指受傷或泡水過久產生皺褶，會造成誤判斷。

28 生物識別系統(Biometric Systems) 多重識別模式[5]
生物特徵識別系統採用單種特徵稱為單一模式(Unimodal)。 但有時候因為某些因素造成單種特徵無法達到有效辨識，此時可結合二種以上特徵來解決，稱之為多重模式(Multimodal)。 可提高辨識率及減少遭侵入的可能性。

29 生物識別系統(Biometric Systems) 虹膜辨識
德國法蘭克福機場於2004 年2 月，成功的應用虹膜辨識，引進7 套身份辨識裝置；藉由虹膜的掃瞄辨識，可連結到護照資料的資料庫，進行身份的比對。 虹膜是一盤狀的薄膜,位於眼球的前方，用以控制瞳孔大小的肌肉，因此，也控制光線進入眼睛的多寡。 眼球構造圖

30 生物識別系統(Biometric Systems) 虹膜辨識[6]
虹膜也決定了眼睛的顏色，根據1987 年Dr.Leonard Flom & Aran Safir 的臨床實驗指出，每個人的虹膜自出生一年到一年半之後，便不再發生變化。 由於虹膜組織細節的形成與胚胎發生階段的環境有關，趨近於亂數形成，所以根據統計，出現相同虹膜的比例約為（1/10）78 也就是說，全世界幾乎找不到虹膜是一模一樣的人，也因此更加確立了其獨特性。

31 生物識別系統(Biometric Systems) 虹膜辨識
John G. Daugman 在1993 年時於IEEE (The Institute of Electrics Engineers) 發表了一篇利用256 bits 的虹膜碼 (Iris Code) 進行辨識的論文[7]。 而這篇論文中所使用的演算法也在後續的應用中被大量的引用，為虹膜辨識的實際應用可行性定下了理論的基礎。

32 生物識別系統(Biometric Systems) 虹膜辨識流程
虹膜辨識系統之研究與實作 陳順東 中央大學資訊工程研究所碩士論文

33 生物識別系統(Biometric Systems) 虹膜辨識流程
虹膜辨識的流程，分成四大主要部分 1. 尋找瞳孔中心:利用影像處理的技巧,找出瞳孔的中心。 2. 特徵擷取:由於虹膜的特徵極多,一般只採用資訊最豐富且最不易受到干擾的固定區域作為擷取區域。 3. 特徵處理:應用影像處理的技巧,將特徵強化;同時針對單一小區域進行處理。 4. 特徵碼比對:

34 生物識別系統(Biometric Systems) 虹膜辨識流程
虹膜辨識系統之研究與實作 陳順東 中央大學資訊工程研究所碩士論文

35 生物識別系統(Biometric Systems) 臉部特徵[8]

36 生物識別系統(Biometric Systems) 臉部特徵[8]

37 生物識別系統(Biometric Systems) 臉部特徵[8]

38 生物識別系統(Biometric Systems) 臉部特徵[9]

39 生物識別系統(Biometric Systems) 臉部特徵[9]
即時追踨臉部變化

40 生物識別系統(Biometric Systems) 臉部特徵－應用範圍[8]

41 各種生物識別系統比較

42 常用的生物特徵辨識方法及比較 臉形辨識 方法/指標 唯一性 辨識準確性 效率 成本 方便性 民眾接受度 中 高 人臉熱感應 指紋辨識 低
視網膜辨識 眼球虹膜辨識 掌形辨識 語者辨識

43 較普及之生物辨識技術之比較 指紋 虹膜 人臉 方法 主動 被動 ERR 2~3% 4.1~4.6% 4.1% FAR 2.5% 6% 4%
FRR 0.1% 0.001% 10% 取樣失敗率 7% 0% 活體偵測 Possible* No Possible Source : Opus Research, University of Canberra, European Commission Joint Research Center, 2004

44 ISO 標準結構 JTC1 SC Activities Biometric Data Interchange Formats
Logical Data Structure/ Format Framework Security Attributes Biometric Interfaces Biometric System Properties Societal and Jurisdictional Issues Harmonized Biometric Vocabulary SC 37 WG3 (ISO/IEC 19794) SC 37 WG2 CBEFF (ISO/IEC 19784) SC 27 (e.g., Confidentiality Availability, Integrity) SC Card based SC 37 WG 2 BioAPI (ISO/IEC 19785) SC 37 WG4 Biometric Profiles Security Evaluation SC 37 WG5 Performance Evaluation SC 37 WG6 SC 37 WG1 JTC1 SC Activities

45 國內產業共識 2005年5月國內業界與工研院共同舉辦產業座談會主要結論：
生物辨識科技之運用，與國家安全息息相關，政府有必要扶植國人自有技術及科技能力。 生物辨識科技的市場快速成長，期望能整合國內產業使全體能一起茁壯。 政府建立生物辨識檔，應依國際ISO標準資料格式建立，更應規範生物辨識技術認證及各項標準。 多模式(multimodal)的生物辨識中指紋辨識居領導地位，但也需要考慮其他相關技術相輔運用。 必須成立產業聯盟。生物特徵資料庫需要廠商聯手建立、聯手進行測試，才能有競爭力。 整體解決方案(total solution)需要上中下游各廠商共同參與。

46 參考文獻 [1] Biometric Authentication: Some New Research Directions by Anil. K. Jain Michigan State University, USA. [2] E. Fix and J. L. Hodges, “Discriminatory analysis: Nonparametric discrimination: Consistency properties,” Tech. Rep. Project , Report Number 4, USAF School of Aviation Medicine, Randolf Field, Texas, 1951. [3] N. Pavešić, S. Ribarić and D. Ribarić, "Personal authentication using hand-geometry and palmprint features: the state of the art," presented at the workshop Biometrics - Challenges arising from theory to practice (BCTP), at the conference International conference on pattern recognition (ICPR) 2004. [4] N. Pavešić, S. Ribarić and D. Ribarić, "Personal authentication using hand-geometry and palmprint features: the state of the art," presented at the workshop Biometrics - Challenges arising from theory to practice (BCTP), at the conference International conference on pattern recognition (ICPR) 2004. [5] International Biometric Group. (n.d.). [Online]. Biometrics Reports and Research.　Available: Jul. 14,2005 [date accessed].

47 參考文獻 [6] L. Flom and A. Safir, “Iris recognition system,” U.S.Patent, no ,1987. [7] John G. Daugman, “High confidence visual recognition of persons by a test of statical independence,” IEEE Trans.Patt.Anal, and Machine Intell., vol.15,no.11, pp.1148~1161,1933. [8] Johnny Ng, Face Recognition Technology for User Authentication and Proactive Surveillance, Tsinghua University, Beijing. [9] Taro Goto, Sumedha Kshirsagar and Nadia Magnenat-Thalmann, Real Time Facial Feature Tracking and Speech Acquisition for Cloned Head, University of Geneva. 其他： [1]倚辰科技，Face-Tek人臉辨識系統